利用算法编写程序已经称为完成计算机某项工作的重要指标,它可以对计算机程序的每个对象和处理规则给出正确详尽的描述,
算法可以理解为基本元素按及规定的运算顺序构成的完整解题步骤,算法特征:
- 有穷性:一个算法必须保证执行有限步之后结束;
- 确切性:算法的每个步骤必须进行明确的定义;
- 输入:一个算法应该有0个或多个输入,0个输入就是算法本身定义了初始条件;
- 输出:一个算法应该有一个或多个输出,以反应输入数据加工后的结果,没有输出的算法毫无意义;
- 可行性:算法原则上可以精确运行且手写有限次之后即可完成。
复杂度可以有效的证明某一个算法是否为相对高效的算法,不同的算法需要不同的时间、空间、效率来完成,相同的任务,算法不同,其效率也有可能不同,
复杂度的数量级表示:
O(1) 常量级
O(n)、O(n²)…多项式级
O(2^n),为指数级
O(log2n)……对数级
算法中某一具体语句在算法的运行过程中执行的次数为该语句的频度,即F(n)
时间复杂度:是指算法需要消耗的时间资源,以算法中频度最大的语句决定。如:
for(i=0;i<cnt;i++)
for(j=0;j<cnt;j++)
for(k=0;k<cnt;k++)
上述例子的时间复杂度为:O(n³)。
空间复杂度:算法需要消耗的空间资源,用复杂度的渐进性来表示,算法实现所占用的存储空间分为以下三种:
- 指令、常数和系统变量所占用的存储空间;
- I/O数据所占用的存储空间;
- 算法执行过程中所需要的存储空间。
算法的空间复杂度是对其执行过程中所需要的辅助空间进行分析,用O(n)表示,如:
for(i=0;i<cnt;i++)
for(j=0;j<cnt;j++)
for(k=0;k<cnt;k++)
i,j,k的执行过程与n的大小均无关,故空间复杂度为O(1)。
注意:
算法的时间复杂度和空间复杂度是一对矛盾的存在,要节省使劲按,就要张勇更多的存储空间,要节省存储空间就必须浪费更多的时间,这还是需要具体问题具体分析。
关于算法描述的流程图总共有三种结构:
- 顺序结构;
- 选择结构:
- 循环结构:
关于算法流程图介绍及画法,请参照我之前的博客:
流程图、数据关系绘图神器yEd